[發明專利]基于列生成框架的純電動公交車充電功率分配及優化方法

有效

• 申請號: 202010617835.7
• 申請日: 2020-07-01
• 公開（公告）號: CN111845426B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 劉鍇;高虹;李成;彭新潮;李曉菲
• 申請（專利權）人: 大連理工大學;交通運輸部科學研究院
• 主分類號: B60L53/64
• 分類號: B60L53/64;H02J3/32
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 隋秀文;溫福雪

1.基于列生成框架的純電動公交車充電功率分配及優化方法，其特征在于，步驟如下：

步驟(1)、參數定義

I:某充電站所服務的電動公交車輛數集合，I＝{1,2,…,i}；

R:電動公交車的充電策略集合；每輛電動公交車都有一個包含至少一種充電策略的集合R，R＝{1,2,…,r}；

Δt:單位時刻，取值范圍3-8分鐘；

T:一天劃分的時刻數，T＝{1,2,…,1440/Δt}；

C_ir:電動公交車i充電策略r的成本；

電動公交車i充電策略r的降低成本；

p_max:充電站的總功率；

N:充電站內所有充電槍的總數；

μ:從充電站到充電槍傳輸過程中的功率損耗率；

f_t:時刻t對應的充電價格；

p_itr:電動公交車i在充電策略r中時刻t的充電功率；

d_itr:二進制變量，充電策略r中，若電動公交車i在t時刻充電，則d_it＝1，否則為0；

x_ir:二進制變量，若電動公交車i選中充電策略r，則x_ir＝1，否則為0；

T_i^CO:電動公交車i處于在站狀態的時間序列集合T_i^CO∈T，并且

q_min:電動公交車保證安全運行的最低電量；

q_max:電動公交車電池的容量；

p_a:電池所允許的最大充電功率；

p_b:充電槍所允許的最大充電功率；

E_i:每輛車運營過程中每時刻的耗電量；

A_i:第i輛電動公交車的進站或出站總次數，A_i＝{1_i,2_i,…,a_i}；

第i輛電動公交車第a次進站的時刻；

第i輛電動公交車第a次出站的時刻；

q_it:車輛i在時刻t的電量；

Δq_it:車輛i在時刻t的電量變化值；

d_it:子問題中的二進制變量，若電動公交車i在t時刻充電，則d_it＝1，否則為0；

U_it:判斷時刻t到時刻t+1充電狀態是否發生改變的輔助二進制變量，U_it∈{0,1}，用于充電連續性控制；

V_it:判斷時刻t到時刻t-1充電狀態是否發生改變的輔助二進制變量，V_it∈{0,1}，與U_it共同用于充電連續性控制；

p_it:子問題中電動公交車i在時刻t的充電功率；

步驟(2)、建立模型

(2.1)模型主問題

模型主問題的目標函數是最小化被選擇的充電策略的成本之和，見式(1)：

模型主問題的目標函數的約束條件見式(2)～(4)：

式(2)中的約束要求每輛電動公交車在生成的充電策略集合中選擇一個充電策略：

式(3)中的約束確保所有被選中的策略在任意時刻的功率總和不得超過充電站總功率：

式(4)中的約束條件表示所有被選中的策略在任意時刻同時充電的車輛數要小于等于充電槍的個數：

(2.2)模型子問題

模型子問題的目標函數是在每一次迭代中為每個子問題找到成本降低最負的充電策略，見式(5)：

模型子問題的目標函數的約束條件見式(6)、(7)、(8.1)、(8.2)、(9.1)、(9.2)、(9.3)、(10.1)、(10.2)和(10.3)：

式(6)中的約束表明電動公交車i在運營期間無法充電，所以充電功率為0：

式(7)中的約束要求充電功率不得超過電池允許的最大功率以及充電槍允許的最大功率：

式(8.1)和式(8.2)是電量變化約束，分別表示在站可充電的時刻電量變化以及非在站時刻電量變化為負，為運營期間每時刻耗電量：

式(9.1)的約束為每時刻電量的表達式，式(9.2)的約束要求車輛i每次進站電量都要滿足最低電量要求，式(9.3)的約束保證車輛i在最后時刻充滿電：

q_it＝q_max,t＝1440/Δt(9.3)

考慮充電的連續性，即開始充電后一直持續到預定的充電容量或充電時間才停，相應的約束為式(10.1)-(10.3)所示：

步驟(3)、模型求解

(3.1)、初始化：通過貪婪算法得到步驟(2.2)中的模型子問題的可行解，即忽略最小化充電費用的目標，采用“進站即充”的原則，滿足充電要求即可；并將可行解提供給步驟(2.1)中的模型主問題；

(3.2)、將步驟(2.1)中模型主問題的0-1變量x_ir松弛為連續變量，則模型主問題由整數規劃問題變為線性規劃問題；線性規劃問題中，假設δ_ir為約束條件式(2)中車輛i的對偶變量，ω_t為約束條件式(3)中的充電功率的時刻t的對偶變量，ε_t為約束條件式(4)中充電槍的時刻t的對偶變量；

(3.3)、求解步驟(3.2)中松弛后的模型主問題，得到各約束的對偶變量；將對偶變量輸入到步驟(2.2)中互相獨立的模型子問題中，使每一輛電動公交車生成降低成本為負的策略；對于給定的電動公交車，電動公交車i充電策略r的降低成本是：

式中，C_ir為充電成本的總和，用充電電量與對應電價的乘積表示，即式(12)：

(3.4)、將步驟(3.3)生成的充電策略添加到步驟(3.2)中的模型主問題中，并解決更新后的模型主問題；不斷迭代直到所有模型子問題都不存在降低成本為負的充電策略；

(3.5)、將步驟(3.2)中松弛后的線形規劃問題還原為整數規劃問題，再次求解模型主問題，直到所有變量為整數，即得到每一輛電動公交車的充電策略，且充電成本最低。